我在Tensorflow中构建data.frame(a = c("p1","p1","p2","p3","p4","p6"),
b = c("A","B","A","C","B","C"))
，旨在重新使用resample layer的数据 - 从resample_n获取新数据之前（来自某些hdf5数据源的Que读取） ）。我有一个Network类，并存储从数据层返回的张量（net_data_layer()），用于＆＃34; global＆＃34;访问（例如，用于构建网络图，但也可以通过我的self）：
train_op()我添加了一些逻辑，以便在第一次迭代self.batch_img, self.batch_label, self.batch_weights = net_data_layer()
中，意图调用数据层队列，然后resample == False用于下一次resample == True次迭代。图中的部分归结为：
resample_n self.batch_img, self.batch_label, self.batch_weights = \
tf.cond(resample,
lambda: resample_data(),
lambda: net_data_layer())
只返回先前存储的数据，除了将已存储的数据转发到图表外基本上什么都不做：
resample_data()但是我收到了错误：
def resample_data(): return self.batch_img, self.batch_label, self.batch_weights
这导致我进行了this讨论，其中这是通过＆＃34;将QueueRunner逻辑置于tf.cond（）上下文＆＃34;之外来解决的。然而，拥有队列IN是我的条件的全部要点，因为当我运行它们（特别是dequeue-op）时，它们会跳到下一个样本。
是否有办法让图表重复使用已加载的数据（或者是那种＆＃34;循环＆＃34;并且不支持？）。我有点深入......有什么想法吗？
供参考整个＆＃34; ResampleLayer＆＃34;代码块：
ValueError: Operation 'ResampleLayer/cond/DataLayer_hdf5_dset/test_data/fifo_queue_enqueue' has been marked as not fetchable.